Anlisis del Problema: Para tener una definicion exacta del
sistema que se desea simular es necesario hacer un analisis preliminar del mismo con el fin de determinar la interaccion del sistema con otros sistemas, las restricciones del sistema, las variables que interactuan dentro del sistema y sus interrelaciones, los objetivos y las metas del sistema. Figura 3.24 Formulacin del Modelo: Una vez definidos con exactitud los resultados que se esperan obtener del estudio, el siguiente paso es definir y construir el modelo con el cual se obtendran los resultados deseados. En la formulacion del modelo es necesario definir todas las variables que forman parte de l, sus relaciones logicas y los diagramas que describen en forma completa al modelo. Figura 3.24 Recoleccin de Datos: Es posible que la facilidad de obtencion de algunos datos y la dificultad de conseguir otros, puedan influenciar el desarrollo y formulacion del modelo. Por consiguiente, es importante que se definan con claridad y exactitud los datos que el modelo va a requerir para producir los resultados deseados. Normalmente, stos se pueden obtener por informacion historica, opinion de expertos y, si no hay otra posibilidad, por experimentacion. Figura 3.24 Programacin del modelo: Con el modelo ya definido, el siguiente paso es ingresar el modelo en un programa de computacion. En este paso se debera decidir qu software utilizar para la simulacion. Se pueden utilizar lenguajes de alto nivel como FORTRAN, VISUAL BASIC y PASCAL, o aplicaciones como hojas electronicas o paquetes especficos de simulacion como MATLAB, SIMULINK, STATEFLOW, SIMEVENTS, SIMRF, COMMUNICATION SYSTEM TOOLBOX, etc. En esta etapa debe verificarse el correcto funcionamiento del modelo programado. Figura 3.24 Validacin del modelo: En buena parte del trabajo experimental podra existir el problema de relacionar los resultados con el sistema real, porque el ambiente del laboratorio no es el mismo donde han de aplicarse los resultados. En los modelos de simulacion ocurre algo similar ya que los resultados se obtienen generalmente a partir de modelos matematicos y no fsicos. Para poder hacer inferencia entre la realidad y los resultados simulados, es necesario tener alguna indicacion de lo bien que el modelo representa al sistema real, y a este proceso de valoracion se lo llama validacion de la simulacion. Esta etapa sive para detallar falencias en la formulacion del modelo o en los datos con los que fue alimentado; por ello en el
proceso de simulacion se considera una buena prctica validar el
modelo consultando la opinion de expertos sobre los resultados de la simulacion, comparar los resultados del modelo con datos historicos, comprobar fallas del modelo de simulacion provocadas por la utilizacion de datos que hacen fallar el sistema real, la aceptacion y confianza en el modelo por parte de la persona que har uso de los resultados que arroje el experimento de simulacion. Figura 3.24 Experimentacin: Este paso se realiza luego de haber validado el modelo. Una buena prctica en esta fase es planificar cuidadosamente los experimentos a efectuar con el modelo, para dar luz a la informacion requerida en la definicion del sistema mediante un plan que incluya los datos y condiciones iniciales que se emplearn, el nmero de corridas del programa requeridas para asegurar la significancia de los resultados y el tipo de resultados deseados. Figura 3.24 Interpretacin: Una vez que se ha planificado el experimento, se lo ejecuta y, finalmente, se interpretan los resultados obtenidos y se elaboran las conclusiones. Figura 3.24
Figura 3.24 - Ciclo de Vida de la Simulacin
Averill M. Law y W. David Kelton proponen ademas una buena prctica para analizar un sistema, una vez que este haya sido definido:
Figura 3.25 - Buena prctica para anlisis de un sistema
A continuacion se describe la metodologa integrada por las mejores
practicas descritas por la Gua PMBOK y las buenas practicas recomendadas por Averill M. Law y W. David Kelton para el analisis de un sistema, que se han adaptado para desarrollar esta Gua de Trabajo, que se explica con el grafico siguiente (Figura 3.26), y sera el hilo conductor en los siguientes captulos. Segn la propuesta de Law y Kelton, podramos experimentar con el sistema real y, por ejemplo, forzar el sistema a un estado de fallo con el fin de determinar la fiabilidad del sistema. A menudo eso no es prctico, porque es demasiado costoso o requiere demasiado tiempo o recursos. Incluso puede ser imposible si el propio sistema no existe todava. En estos casos, podemos desarrollar un modelo del sistema para que ste pueda ser estudiado. Si se utiliza un modelo, podra ser un modelo fsico, un prototipo o un modelo a pequea escala. Construir y experimentar con un modelo de este tipo puede proporcionar informacion valiosa sobre el sistema real. Si esto no es posible o suficiente, podemos crear un modelo matemtico para este fin. Los modelos matemticos pueden ser modelos analticos o de simulacion. Un modelo analtico para determinar la fiabilidad de un sistema podra ser la funcion de densidad de probabilidad del sistema (pdf) como una funcion de las distribuciones de fallo individuales de los componentes. Entonces podramos obtener la funcion del sistema de distribucion acumulativa (CDF ) y otros resultados de inters, tales como la fiabilidad condicional , el tiempo de garanta, etc. Tambin podramos realizar anlisis auxiliares como clculos de importancia de fiabilidad o la optimizacion de la asignacion de fiabilidad. Los modelos analticos proporcionan
soluciones exactas y , por lo tanto , incluso con algunas
suposiciones y simplificaciones , los modelos analticos pueden ser preferibles a las tcnicas de simulacion. Como ya hemos visto la simulacion se refiere a la creacion y el uso de un modelo de computadora con el fin de replicar y analizar el comportamiento de un sistema real. A medida que la complejidad de un modelo aumenta (por ejemplo, cuando las reparaciones, la utilizacion de recursos , rendimiento , mantenimiento preventivo , inspecciones y otros factores deban considerarse), la simulacion se convierte rpidamente en el nico enfoque viable. A continuacion se describe la metodologa integrada por las mejores practicas descritas por la Gua PMBOK y las buenas practicas recomendadas por Averill M. Law y W. David Kelton para el analisis de un sistema, que se han adaptado para desarrollar esta Gua de Trabajo, que se explica con el grafico siguiente (Figura 3.26), y sera el hilo conductor en los siguientes captulos.
Figura 3.26 - Metodologa Integrada para la Gua de Trabajo